图像分类篇：pytorch实现VGG

一、VGG网络详解及感受野计算

VGG在2014年由牛津大学著名研究组VGG（Visual Geometry Group）提出，斩获该年ImageNet竞赛中Localization Task（定位任务）第一名和Classification Task（分类任务）第二名。VGG有两种结构，分别是VGG16和VGG19，两者并没有本质上的区别，只是网络深度不一样。

VGG网络的创新点：通过堆叠多个小卷积核来代替大尺度卷积核，可以减少训练参数，同时能保证相同的感受野。

1.CNN感受野

在卷积神经网络中，决定某一层输出结果中一个元素所对应的输入层的区域大小，被称作感受野（receptive field），通俗的解释是，输出feature map上的一个单元对应输入层的区域大小。

  以上图为例，输出层layer3中一个单元对应输入层layer2上区域大小为2x2（池化操作），对应输入层layer1上大小为5x5，可以理解为，layer2中2x2区域中的每一块对应一个3x3的卷积核，又因为stride=2，所以layer1的感受野为5x5.

感受野的计算公式为：

•  F(i)为第i层感受野
• Stride为第i层的步距
• Ksize为卷积核或池化核尺寸

以上图为例：

Feature map：F(3)=1

Pool1：F(2)=（1-1）* 2 + 2=2

Conv1：F(1)=（2-1）* 2 + 3=5

2.小卷积核

在VGG网络中的创新点：通过堆叠多个小卷积核来代替大尺度卷积核，可以减少训练参数，同时能保证相同的感受野。

1）堆叠两个3x3的卷积核替代5x5的卷积核，堆叠三个3x3的卷积核替代7x7的卷积核。比较替代前后感受野是否相等。（在VGG网络中卷积的Stride默认为1）

• Feature map：F=1
• Conv3x3(3)：F=(1-1)x1+3=3
• Conv3x3(2)：F=(3-1)x1+3=5
• Conv3x3(1)：F=(5-1)x1+3=7（7x7的卷积核感受野）

2）是否减少了训练的参数？

CNN参数个数 = 卷积核尺寸×卷积核深度 × 卷积核组数 = 卷积核尺寸 × 输入特征矩阵深度 × 输出特征矩阵深度

使用7x7卷积核所需的参数，与堆叠三个3x3卷积核所需参数（假设输入输出channel为C）

• 
• 

由上式可见，训练参数是减少了。

3.VGG-16

我们最常用的VGG模型就是VGG-16模型，其网络结构如下图所示：

 通过计算可以得出，经过3x3卷积的特征矩阵的尺寸是不改变的

二、pytorch搭建VGG网络

1.model.py

跟上一篇AlexNet中网络模型的定义一样，VGG网络也是分为 卷积层提取特征 和 全连接层进行分类 这两个模块：

import torch.nn as nn
import torch

class VGG(nn.Module):
    def __init__(self, features, num_classes=1000, init_weights=False):
        super(VGG, self).__init__()
        self.features = features			# 卷积层提取特征
        self.classifier = nn.Sequential(	# 全连接层进行分类
            nn.Dropout(p=0.5),
            nn.Linear(512*7*7, 2048),
            nn.ReLU(True),
            nn.Dropout(p=0.5),
            nn.Linear(2048, 2048),
            nn.ReLU(True),
            nn.Linear(2048, num_classes)
        )
        if init_weights:
            self._initialize_weights()

    def forward(self, x):
        # N x 3 x 224 x 224
        x = self.features(x)
        # N x 512 x 7 x 7
        x = torch.flatten(x, start_dim=1)
        # N x 512*7*7
        x = self.classifier(x)
        return x

    def _initialize_weights(self):
        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                # nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
                nn.init.xavier_uniform_(m.weight)
                if m.bias is not None:
                    nn.init.constant_(m.bias, 0)
            elif isinstance(m, nn.Linear):
                nn.init.xavier_uniform_(m.weight)
                # nn.init.normal_(m.weight, 0, 0.01)
                nn.init.constant_(m.bias, 0)

 不同的是，VGG网络有 VGG-13、VGG-16等多种网络结构，能不能将这几种结构统一成一个模型呢？
以上图的A、B、D、E模型为例，其全连接层完全一样，卷积层只有卷积核个数稍有不同

# vgg网络模型配置列表，数字表示卷积核个数，'M'表示最大池化层
cfgs = {
    'vgg11': [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],											# 模型A
    'vgg13': [64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],									# 模型B
    'vgg16': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M'],					# 模型D
    'vgg19': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 256, 'M', 512, 512, 512, 512, 'M', 512, 512, 512, 512, 'M'], 	# 模型E
}

# 卷积层提取特征
def make_features(cfg: list): # 传入的是具体某个模型的参数列表
    layers = []
    in_channels = 3		# 输入的原始图像(rgb三通道)
    for v in cfg:
        # 最大池化层
        if v == "M":
            layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
        # 卷积层
        else:
            conv2d = nn.Conv2d(in_channels, v, kernel_size=3, padding=1)
            layers += [conv2d, nn.ReLU(True)]
            in_channels = v
    return nn.Sequential(*layers)  # 单星号(*)将参数以元组(tuple)的形式导入


def vgg(model_name="vgg16", **kwargs):  # 双星号(**)将参数以字典的形式导入
    try:
        cfg = cfgs[model_name]
    except:
        print("Warning: model number {} not in cfgs dict!".format(model_name))
        exit(-1)
    model = VGG(make_features(cfg), **kwargs)
    return model

训练结果截图：

训练10次共花费时间32分钟

预测结果：为郁金香的概率最高：63.4%，预测时间7秒

 

 

数据集：花分类数据集，3306张图片作为训练集，364张图片作为测试集

**参考：Python 函数参数前面一个星号（*）和两个星号（**）的区别